دوره 10، شماره 4 - ( فصلنامه علمی تخصصی طب کار یزد 1397 )                   جلد 10 شماره 4 صفحات 62-73 | برگشت به فهرست نسخه ها

Ethics code: IR.SSU. REC.1398.123


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Shekari H. Forecasting Job Burnout among University Faculty Members of Yazd Payame Noor University Using Artificial Neural Network Technique. tkj. 2019; 10 (4) :62-73
URL: http://tkj.ssu.ac.ir/article-1-983-fa.html
شکاری حمیده. پیش بینی فرسودگی شغلی اعضای هیئت علمی دانشگاه پیام نور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی. فصلنامه علمی تخصصی طب کار. 1397; 10 (4) :62-73

URL: http://tkj.ssu.ac.ir/article-1-983-fa.html


دانشگاه پیام نور تهران ، h.shekari@ymail.com
چکیده:   (52 مشاهده)
مقدمه: اعضای هیئت­علمی از عوامل اصلی نظام آموزش عالی هستند که تنیدگی شغلی بالای ناشی از وظایف آموزشی، پژوهشی و اجرایی، آن­ها را در معرض ابتلا به فرسودگی شغلی قرار می­دهد. هدف از این مطالعه پیش­بینی فرسودگی شغلی اعضای هیئت­علمی دانشگاه پیام­نور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی است.
روش بررسی: تحقیق حاضر از لحاظ روش، توصیفی و از لحاظ هدف، کاربردی است. جامعه آماری این پژوهش اعضای هیئت­علمی دانشگاه پیام نور استان یزد می­باشد. تجزیه و تحلیل­ها بر روی 315 داده (نفر/سال) که از  105 عضو هیئت­علمی در سه سال تحصیلی گذشته انجام شد. داده­ها با استفاده از دو پرسش­نامه بسته جمع­آوری شد. تحلیل داده­ها با نرم افزارSPSS  ورژن 22 انجام گرفت. برای تحلیل داده­ها شامل 23 متغیر مستقل و یک متغیر وابسته دو نوع شبکه عصبی پرسپترون چند لایه و تابع شعاع مدار طراحی و اجرا شد.
نتایج: درصد صحت پیش­بینی فرسودگی شغلی در داده­های آموزش و آزمایش و اعتبارسنجی برای شبکه عصبی MLP به ترتیب برابر با 3/83، 9/80 و 5/74 و برای شبکه عصبی RBF به ترتیب برابر با 1/73، 0/93 و 9/76 محاسبه شد. سطح زیر منحنی راک برای دو شبکه MLP و RBF برابر با 823/0 و 833/0 بدست آمد.
نتیجه­گیری: مقایسه دو شبکه عصبی MLP و RBF بر اساس معیارهای سطح زیر منحنی راک و درصد صحت پیش­بینی
نشان داد شبکه عصبی RBF در پیش­بینی فرسودگی شغلی اعضای هیئت­علمی دانشگاه پیام­نور استان یزد کاراتر است و متغیرهای گروه علمی، مقطع تدریس، سن و میزان ارتباطات بیشترین تاثیر را بر فرسودگی شغلی داشته­اند.
 
واژه‌های کلیدی: پیش بینی، فرسودگی، شبکه عصبی
متن کامل [PDF 770 kb]   (20 دریافت) |   |   متن کامل (HTML)  (5 مشاهده)  
نوع مطالعه: پژوهشي | موضوع مقاله: طب کار
دریافت: ۱۳۹۷/۸/۲۷ | پذیرش: ۱۳۹۸/۸/۱۳ | انتشار: ۱۳۹۸/۸/۱۳

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصلنامه طب کار می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Occupational Medicine Quarterly Journal

Designed & Developed by : Yektaweb